Uddannelsesmålet er opdelt i 2 delmål.1. Deltageren kan beskrive hvilke statistiske grundbegreber, metoder og modeller, der typisk anvendes i Big Data løsninger. 2. Deltageren kan beskrive de grundlæggende principper i databehandling rettet mod Big Data, med fokus på Instant indsamling af data fra forskellige datakilder, herunder validering, sortering, samkøring og forbehandling af data.
Big Data: Dataanalyse og databehandling
Målgruppe: Uddannelsen henvender sig til faglærte personer, inden for det datatekniske område, og andre inden for AMU målgruppen med tilsvarende kvalifikationer, der skal eller ønsker at arbejde med IoT og IIoT løsninger, der kræver anvendelsesorienteret viden om sensorteknik rettet mod IoT/IIoT, samt anvendelsesorienteret viden om kommunikationsteknologier, trådløse teknologier og sikkerhed rettet mod IoT/IIoT.Det anbefales, at deltageren inden kursusstart har en grundlæggende viden om analog- og digitalteknik, og at deltageren har grundlæggende kompetencer i forhold til netværksteknik.
Beskrivelse:
Deltageren kan beskrive og anvende de grundlæggende principper i databehandling rettet mod Big Data, med fokus på Instant indsamling af data fra forskellige datakilder, herunder validering, sortering, samkøring og forbehandling af data, og kan herunder:
- Gennemføre dataanalyser under anvendelse af en tidsrelevant softwareløsning
- Forstå hvordan man bringer data sammen i en Advanced Analytics model, der gør, at man bliver klogere
- Ud fra en konkret opgave, opbygge en mindre løsning, der bygger på Advanced Analytics
- Beherske dokument- og grafdatabaser som datakilder, og har viden om datastrukturen
- Anvende et tidsaktuelt business analytics værktøj som fx Power BI, Tableau eller Qlik
Deltageren kan herunder anvende opnået viden om:
- Indsamling, validering, sortering, samkøring og forbehandling af data
- Dataanalyse, og Advanced Analytics som Data Mining, Machine Learning og Predictive Analytics
- Modeller for databehandling med fokus på at forudse tendenser, og herunder AI (Artificial Intelligence)
- Hvordan databaser kan håndtere dokument- og grafdata
- Hvordan man anvender et tidsaktuelt analyse-værktøj, der kan opsættes til at indsamle, behandle og præsentere data grafisk.